パターン認識とニューラルネットワーク
栗田多喜夫
2015/9/30
早稲田大学大学院理工学研究科講義
1
講義内容
 1時限目
 統計的決定理論
パターン認識とは
 ベイズ決定理論
 確率密度分布の推定




パラメトリックモデルを用いる方法
ノンパラメトリックな方法
セミパラメトリックモデルを用いる方法
 2時限目
 統計的特徴抽出の理論
特徴抽出の枠組み
 線形多変量データ解析手法
 非線形判別特徴の抽出
 線形手法と非線形手法との関係

講義内容
 3時限目
 学習の理論とニューラルネットワーク





単純パーセプトロン
ADALINE
ロジスティック回帰
多層パーセプトロン
汎化性
 4時限目
 その他のニューラルネット
恒等写像学習
 RBF(Radial Basis Function)ネットワーク
 Mixture of Experts
 SVM(Support Vector Machine)

講義内容
 5時限目
 パターン認識の応用
顔画像の認識（顔検出、顔認識）
 独立成分分析の応用
 ロバスト統計の応用（ロバストテンプレートマッチング、背景推定）
 形の識別（ARモデルの利用）

レポート
 課題
 自分の身の回りで、パターン認識手法が使えそうな課題を探し、その
課題を解決するために必要な特徴を認識対象から自動的に計測する
ための方法についてまとめください。
 提出方法
 A4の用紙に1ページ～数ページでまとめてください。
 フォーマットは自由
 最初のページに名前と学籍番号を記入してください
 提出先は、事務局（レポート回収箱？）
 提出期限：2000年12月1日
5時限目終了
 連絡先
〒305-8568 茨城県つくば市梅園１－１－４
電子技術総合研究所 情報科学部
栗田多喜夫
Email: [email protected]
URL: http://www.etl.go.jp/~kurita
Tel: (0298) 61-5838 Fax: (0298) 61-5841

仕 様 書

A4、縦 1 枚にまとめる。フォーマットは自由。地図、装備リストは別紙

“chapter movie” モジュール